텍스트마이닝을 활용한 온라인(비대면) 교수학습지원 분석

Ⅰ. 서 론

정부는 4차 산업혁명에 발맞춘 교육혁신을 위해 대학에 교육환경과 교수학습방안에 대한 연구와 개선에 지원을 늘리고 있다. 이에 맞춰 대학의 교수학습지원 기관은 대학의 교육혁신 플랫폼으로서의 역할을 수행하기 위해 다양한 교육적 시도를 해왔다. 최근에는 COVID-19로 인해 교과 및 비교과 프로그램을 온라인(비대면)으로 진행하고 있고 온라인 수업을 진행하는 교수자와 수강하는 학습자의 요구에 기반한 온라인 교수학습지원을 하고 있다.

대학은 현재 사용하고 있는 온라인 교수학습법이 현 시국에만 사용하는 일회성 교수학습법이 아닌 대학의 특성을 살린 교수학습법으로 발전시키기 위해 노력하고 있다. 이러한 요구에 의해 교수학습지원 기관은 지속적으로 활용 가능한 온라인 교수학습 프로그램의 운영 및 지원을 계획해야만 하는 중요한 시점에 있다. 그러나 지속적인 온라인 수업은 교수자의 교육권, 학습자의 학습권, 대학의 행정 등이 문제가 복잡하게 얽혀 있어 합리적이고 효과적인 지원 방향에 대한 결정이 어려울 수 있다[1]. 따라서 교수학습의 효과를 향상시킬 수 있는 지속 활용 가능한 온라인 교수학습지원을 위해서는 현재의 온라인 교수학습지원의 현황을 조사하여 반영할 필요가 있다.

온라인(비대면) 교수학습지원에 대한 연구는 교육공학분야 또는 K-MOOC를 중심으로 수행되었다. 온라인 수업에 대해 분석한 선행연구를 살펴보면 온라인 수업 이론 연구, 교수자와 학습자의 경험 연구, 온라인 수업 운영 실태와 만족도에 관한 연구가 있다[2]. 하지만 현 상황과 같이 온라인 수업이 보편화된 시점에서 대학의 교수학습기관에서 제공하는 지원은 어떤 것인지, 대학 관계자 외의 사회구성원은 교수학습지원에 대한 인식은 어떠한지, 이러한 인식이 어떻게 변화되었는지에 대한 연구는 수행되지 않았다. 준비 없이 진행된 온라인 수업에 의해 교육의 질이 저하되었다고 보고[3], [4]되고 있는 상황에서 대학교육의 질적 수준의 향상을 위해서는 온라인 교수학습지원의 질적 향상이 선행되어야 한다. 이를 위해서는 변화하는 교육환경에서 이루어지는 교수학습지원에 대한 사회적 인식에 관한 자료 분석과 이를 바탕으로 한 방향성을 위한 연구가 이루어져야 할 것이다.

이에 본 연구에서는 온라인(비대면) 교수학습지원에 대한 사회적 인식을 분석하고 이를 바탕으로 교수학습 지원의 방향성을 탐색하기 위해 뉴스기사를 활용하고자 한다. 언론매체의 뉴스기사는 특정 주제를 분석할 때 활용되는 대표적인 분석자료로 새로운 방향을 결정하는 시기에 사회구성원의 인식을 파악하고 관련된 논의점을 수집하는데 중요한 출발점으로 활용되었다[5]. 즉, 언론매체의 뉴스기사는 주제에 대한 주요 내용을 사회구성원에게 전달함으로써 해당 주제에 대한 사회구성원의 관심에 영향을 미치고 이에 새로운 정책 결정에 영향을 미친다. 이러한 언론매체의 역할 때문에 그동안 교육 분야에서도 뉴스기사에 대한 분석연구가 수행되었다. 그러나 주요 일간지 기사를 대상으로 연구자가 직접 수집하고 코딩하여 내용 분석(content analysis)을 실시한 수준[6]이어서 언론매체에서의 수많은 기사 정보와 사회구성원의 의견을 수집하는 것에는 역부족이었으며 온라인에서 중요하게 다뤄진 뉴스기사들이 체계적으로 수집되지 못하였다. 또한, 교수학습지원, 온라인 수업 지원, 비대면 수업 지원과 같은 주제어를 분석한 연구는 부족하다.

이에 본 연구에서는 텍스트마이닝을 활용해 언론매체에서 나타나는 온라인(비대면) 교수학습지원에 대한 현황 및 사회적 인식을 2020년과 2021년 나누어 비교·분석하고자 한다. 이를 통해 COVID-19로 급박하게 일어난 교육환경 변화에 적응하고 지속적으로 활용 가능한 온라인(비대면) 교수학습지원의 방향성을 제시하고자 한다.

Ⅱ. 이론적 배경

Ⅲ. 연구방법

본 연구에서는 비정형 텍스트 데이터의 단어 관계를 밝히는 텍스트마이닝을 활용해 국내 주요 언론 매체를 통해 나타난 온라인(비대면) 교수학습지원 현황 및 사회적 인식을 2020년과 2021년으로 구분하여 살펴보고 변화를 분석하고자 한다. 이를 위해 우선, 2020년에서 2021년 국내 주요 일간지와 방송사 및 온라인 신문에서 대학의 교수학습지원을 보도한 기사를 웹 크롤링(web-crawling)을 이용하여 수집한다. 형태소분석을 통해 빈출 단어를 도출하는 빈도분석을 실시하고 LDA(Latent Dirichlet Allocation) 기반 토픽 모델링을 활용하여 토픽을 도출하고 온라인 교수학습지원 현황 및 사회적 인식을 연도별로 분석하여 지속적으로 활용 가능한 교수학습지원 방향을 탐색해 보고자 한다.

본 연구에서는 텍스트마이닝을 위해 python을 사용하였다. python 프로그램에는 분석 방법에 따라 사용 가능한 다양한 패키지가 있다. 빈도분석을 위해 KoNLpy 패키지, 토픽 분석을 위해 LDA 패키지를 사용하였다.

3-1 분석대상

본 연구의 분석 대상 데이터는 국내 검색사이트 순위 1위인 네이버의 뉴스 데이터로 선정하였다. 데이터 수집 범위는 2020년 1월 1일에서 2022년 12월 31일까지의 온라인 교수학습지원에 대한 네이버 뉴스 데이터로 COVID-19로 인해 온라인 수업에 대한 지원의 필요성이 확대된 시점을 고려하여 범위를 선정하였다.

네이버에서 키워드는 ‘온라인 수업’ 과 ‘대학’, ‘원격 수업’, ‘비대면 수업’과 ‘대학’ 및 ‘교수학습지원’으로 뉴스를 검색하여 뉴스 제목, 날짜, 출처, 내용, 뉴스 링크 주소를 Python으로 웹 크롤링하여 2,057개의 데이터를 수집하였다. 웹 크롤링 시 데이터의 중복은 제거하였으며 수집된 데이터 총수와 연도별 분석 대상 데이터 수는 표 1과 같다.

Table 1.

Number of Analyzed Data

3-2 연구방법 및 절차

본 연구의 연구방법 및 절차는 그림 1과 같이 데이터 수집 및 전처리, 빈도 분석, 토픽 분석, 결과 해석의 4단계로 구성되었다.

Fig. 1.

Research Method & Process

1) 단어 전처리 및 데이터 수집

단어 전처리란 대상 문장에서 부호, 숫자, 특수문자열 처리, 어절 분리를 하여 분석을 원하는 후보를 만드는 과정을 말한다. 본 연구에서는 ‘온라인’, ‘비대면’과 ‘교수학습’이 함께 등장하는 문서를 수집 대상으로 설정하여 2020년과 2021년으로 기간을 나누어 데이터를 수집하도록 크롤러를 설계하였으며 동일한 교육기관 및 프로그램이 포함되는 문서 및 중복문서를 제거하는 과정을 거쳤다.

2) 빈도 분석

수집된 네이버 기사 글에 python의 KoNLpy를 사용한 형태소분석을 통해 명사명을 인식하고 빈도를 카운트하였다. 명사의 인식을 용이하게 하기 위하여 단어를 수동으로 등록하였다. 예를 들어 ‘교수법’, ‘교수(teaching)’, ‘학습법’, ‘학습’을 동의어 처리하였으며 ‘교수학습’을 복합명사 처리하여 연관어 분석 시 단순명사로 분리되어 나오지 않도록 하였다. 단어를 카운트하여 연도별 상위 10개의 빈출 단어를 분석하였다.

3) 토픽 분석

본 연구에서는 토픽 분석을 위해 LDA(Latent Dirichelt Allocation) 기반 토픽 모델링을 실시하였다. LDA 토픽 모델링 기법은 대용량의 텍스트에 사용된 단어들을 이용하여 잠재된 토픽을 추출하고 토픽이 서로 어떻게 관련되어 있고, 어떻게 변화해 가는지를 분석할 수 있는 빅데이터 분석 방법이다[13].

따라서, 본 연구와 같이 언론매체의 뉴스기사와 같은 빅데이터의 토픽을 추출하고 이들의 연관성과 변화를 분석하는데 효과적인 방법이다. 본 연구에서는 연도별로 토픽을 도출하여 변화의 경향을 확인하였다.

Ⅳ. 연구결과

4-1 빈도 분석

2020년 분석 대상 데이터와 2021년 분석 대상 데이터에서 명사를 추출했으며 숫자 형태 및 의미가 없는 명사를 제외하고 단어를 추출해 단어가 언급되는 횟수를 산출하였다.

2020년 분석 대상 데이터에서 427,141개의 명사가 추출되었으며 가장 자주 언급된 상위 10개의 단어는 수업(15,178회), 대학(10,652회), 코로나 (5,746회), 학생(5,130회), 온라인(3,397회), 교육(3,251회), 교수(2,865회), 대면(2,664회), 학습(1,740회), 등록금(1,705회)이다.

2021년의 분석 대상 데이터에서 378,823개의 명사가 추출되었으며 가장 자주 언급된 상위 10개의 단어는 수업(8,252회), 대학(8,079회), 학생(6,255회), 학기(5,859회), 교육(4,055회), 지원(3,447회), 온라인(비대면) 대면 병행(2,307회), 코로나(2,275), 교수(1,949회), 학습(1,575회)이었다. 가장 많이 언급된 10개 단어의 빈출 현황은 표 2와 같다.

Table 2.

Number Top 10 Keywords by Year

빈출 상위 10개 단어 중 기간별 언급 횟수를 비교해 본 결과, ‘수업’, ‘대학’ 단어가 2020년과 2021년에 모두 가장 자주 언급되었으며, 2020년에는 ‘코로나’와 ‘온라인’ 자주 언급된 반면 2021년에는 ‘학기(기간)’과 ‘지원’이 자주 언급되었다. 2020년에는 ‘등록금’이란 단어도 자주 언급되었다. 빈도 분석은 중요하게 다루어진 주제를 보여주는 데는 효과가 있지만 빈출 단어 사이의 관계를 분석하는데 한계를 나타낸다.

4-2 토픽 분석

온라인(비대면) 교수학습지원에 관한 기사를 LDA(Latent Dirichelt Allocation) 기반 토픽 모델링을 실시한 결과는 표 3과 같다.

Table 3.

Result of Topic modelling

2020년의 토픽 모델링 결과를 살펴보면, Topic 1은 수업, 대학, 코로나, 온라인과 같은 키워드가 나타났다. 이는 코로나 상황에 의한 대학에서의 ‘수업 변화에 대한 혼란’을 신문기사에서 다루고 있음을 유추할 수 있다.

Topic 2는 교수(teaching), 학생, 학습, 교육, 수업의 질과 같은 키워드가 언급되었다. 이는 변화된 교육환경에서의 만족스럽지 못한 ‘낮은 교육의 질’에 대한 논의가 시작되었음을 알 수 있다.

Topic 3은 등록금, 학생회, 반환, 진행, 요구, 소송, 문제와 같은 단어들이 나타났다. 이는 코로나로 인한 등록금 반환 등의 ‘사회적 문제’가 다루어지고 있음을 알 수 있다.

2021년의 토픽 모델링의 결과는 다음과 같다.

Topic 1은 대학, 대면, 학기(기간), 변화(전환), 학생과 같이 ‘수업 변화’에 관련된 키워드가 나타났다. 학기(기간), 변화와 같이 새로운 단어가 나타나 2020년과는 다른 관점으로 교수학습지원을 다루고 있음을 알 수 있다.

Topic 2는 동영상, 지원, 온라인(비대면) 대면 병행, 방법, 참여와 같은 수업 방법에 관한 키워드로 이루어졌다. 이는 2020년과 비교하면 보이지 않던 동영상, 지원, 병행, 참여와 같은 키워드가 등장하면서 ‘수업 방법 및 지원’에 대한 관심이 높아진 것을 알 수 있다.

Topic 3은 정부, 정책, 방역, 방침, 교육, 운영과 같은 키워드가 나타났다. 이는 정부의 코로나 방역 정책에 따른 ‘교육 방침 변화’에 대한 논의를 다룬 것으로 유추할 수 있다.

Ⅴ. 결 론

본 연구의 목적은 ‘온라인(비대면)수업 교수학습지원’과 관련한 신문기사를 2020년과 2021년으로 나누어 분석하여 교수학습지원에 대한 현황을 살펴보고 방향성을 제시하고자 하는 것이다. 이를 위해 2020년 1월부터 2021년 12월까지의 신문기사 2,057건을 수집하여 분석하였다. 온라인 교수학습지원에 대한 논문에 대한 선행연구는 이루어졌으나 이를 다룬 국내 언론매체의 기사를 분석한 연구는 없었다. 이에 코로나로 인해 교육환경이 변화된 2020년에서 2021년간의 기사의 경향을 분석함으로써 온라인 교수학습지원에 대한 인식의 변화를 확인할 수 있었다. 본 연구의 결론은 다음과 같다.

첫째, 빈출 단어를 살펴보기 위해 빈도분석을 실시한 한 결과, 온라인 교수학습지원과 관련된 기사는 2년간 매년 950개 이상으로 많았으나 연도별로 살펴보면 2020년에 1,103개에서 2021년에는 964개로 감소한 것을 확인할 수 있다. 는 2021년에는 코로나로 인해 전환된 온라인수업에 대한 사회적 관심이 2020년과 비교해 감소한 것으로 유추할 수 있다. 또한, 연도별 상위 10개 키워드를 분석한 결과, 2020년에 상위 키워드였던 ‘코로나’와 ‘온라인’이 2021년에는 순위가 낮아졌다. 그리고 2020년 상위 10번째였던 ‘등록금’은 사라지고 2021년에는 ‘지원’과 ‘온라인 대면 병행’이라는 새로운 단어가 언급된 것을 확인할 수 있다. 이는 2020년의 준비 없이 진행된 온라인수업은 등록금 반환을 요구할 정도로 수업의 질이 만족스럽지 않았고 교수학습지원은 부족했지만 2021년은 교수학습지원이 확대되었고 이와 함께 방역 정책에 따라 변화되는 수업에도 적응했다는 것을 의미한다.

둘째, LDA 기반의 토픽 분석을 한 결과, 2020년은 ‘수업 변화에 대한 혼란’, 만족스럽지 않은 ‘수업의 질’, 그리고 등록금 반환과 같은 ‘사회적 문제’로 3개의 토픽의 추출되었다. 이 중 ‘수업 변화에 대한 혼란’과 관련된 토픽이 가장 높은 비중을 나타냈고 이는 빈도 분석과 같은 결과이며 코로나로 인해 갑작스럽게 변화된 사회적 환경에 대한 부적응과 연관 지어 해석할 수 있다. 2021년은 ‘수업 변화’, ‘수업 방법 및 지원’, ‘교육 방침변화’로 3개 토픽이 추출되었다. 이는 온라인 수업 방법이 고도화되었고 온라인 수업과 대면 수업이 병행되며 교수학습지원도 확대되었음을 유추할 수 있다. 또한, 정부의 방역 정책의 변화와 함께 수업도 변화되어 대면 수업으로 전환되기를 기대하고 있음을 확인할 수 있다. 2020년의 토픽과 2021년의 토픽을 비교하면 코로나로 온라인 수업이 처음 시작된 2020년은 온라인 수업에 대한 인식이 부정적이었으나 2021년이 되면서 새로운 교수학습방식을 습득하며 교육환경의 변화에 적응하며 온라인 수업에 대한 인식이 달라진 것을 확인할 수 있다. 이에 대학에서는 온라인 수업에 대한 인식의 변화에 따라 지속적으로 활용할 수 있는 유연한 교수학습지원을 계획해야 할 것이다.

본 연구는 온라인(비대면) 교수학습지원에 대한 기사를 수집하고 빅데이터를 분석하여 변화된 교육환경에서의 교수학습의 방법이 변화되고 교수학습지원에 대한 관심이 높아진 것을 확인했다는 점에서 의의가 있는 연구이지만, 여전히 한계가 있다. 선행연구는 학술논문을 분석한 연구이므로 교수학습지원에 대한 용어의 정의가 명확하지만 본 연구는 신문기사를 분석 대상 데이터로 사용하여 교수학습지원에 대한 정의가 광의적이다. 따라서 추출된 단어와 토픽이 제한적이어서 분석에 대한 해석이 부족할 수 있다. 이에 교수학습지원에 대한 언론매체의 신문기사 분석의 한계점을 보완할 수 있는 후속연구를 제안한다.

Acknowledgments

이 논문은 2020년도 호서대학교의 재원으로 학술연구비 지원을 받아 수행된 연구임(20200820)

References

• J. A. You, “A case study on the application for teaching improvement program of university faculty at C university”, The Journal of Korean Teacher Education, Vol. 25, No. 1, pp. 343-367, March 2009. [https://doi.org/10.24211/tjkte.2009.26.1.343]
• S. D. Lee, G. Y. Kim, and H. J. Jeon, “A Study on the Satisfaction and Perception of Professors and Learners in Online Classes”, Humanities and Social Science 21, Vol. 13, No. 1, pp. 1113-1128, February 2022. [https://doi.org/10.22143/HSS21.13.1.78]
• S. L. Han, and Y. O. Nam, “Faculty competency factor needs analysis to improve the quality of online classes for Higher education”, Journal of Learner-Centered Curriculum and Instruction, Vol. 20, No. 13, pp. 1129-1149, July 2020. [https://doi.org/10.22251/jlcci.2020.20.13.1129]
• H. R. Yoon, “Study on the current status of learning support programs and future tasks for quality management of university education”, Journal of Learner-Centered Curriculum and Instruction, Vol. 21, No. 18, pp. 165-177, September 2021. [https://doi.org/10.22251/jlcci.2021.21.18.165]
• B. J. Kim, T. W. Kim, and E. A. Kim, “Reporting Perspective Analysis on Teacher Evaluation System in Newspaper”, The Journal of Korean Teacher Education, Vol. 22, No. 1, pp. 349-371, March 2006.
• Y. L. Yu and S. G. Baek, “Issue Analysis of the Related Mass Media’s News Articles on the 2015 Revised National Curriculum Using Automated Text Analysis”, The Journal of Curriculum and Evaluation, Vol. 19, No. 3, pp. 127-156, August 2016. [https://doi.org/10.29221/jce.2016.19.3.127]
• B. R. Cho, “Content Analysis of the Teaching Support Program of the Teaching and Learning Center and Direction of the Teaching Support Platform”, Journal of Digital Convergence, Vol. 18, No. 10, pp. 1-12, October 2020.
• H. J. Cha and M. S. Choi, “ A study on the case of university faculty learning community to explore teaching methods”, The Journal of Educational Information and Media, Vol. 20, No. 3, pp. 399-421, September 2014.
• Y. J. Kim, and E. Y. Son. “The Relation of Two Dimensional Typology in Perceived Career Barriers and Career Decision Making Self-Efficacy with College Students' Learning Behavior”, Korea Journal of Counseling, Vol. 13, No. 5, pp. 2443-2461, February 2012. [https://doi.org/10.15703/kjc.13.5.201210.2443]
• S. H. Kim, S. H. Cho and Y. H. Cho, “Structural relationship of Institutional Supports for Teaching and Learning with Technostress of Faculty and Students on Campus,” Journal of Korean Education, Vol. 47, No. 3, pp. 119-147, October 2020.
• J. A. Kang, and S. S. Lee, “The Needs Analysis of Faculty members and Students about Faculties' Teaching Competencies for Online Classes in University”, The Journal of Future Education, Vol. 11, No. 4, pp. 21-44. October 2021. [https://doi.org/10.26734/JFE.2021.11.04.02]
• J. H. Kim, and H. J. Im, “An analysis of the structural equation modelling for the effect of university’s online class support on learning participation through learning presence,” Journal of Digital Convergence, Vol. 19, No. 5, pp. 269-277. May 2021.
• S. A. Kim, and S. J. Jeon, “Analysis Using Big Data Related to 'Blockchain usage': Focused on Newspaper Articles”, Journal of industrial convergence, Vol. 18, No. 1, pp. 73-78. February 2020. [https://doi.org/10.22678/JIC.2020.18.1.073]